ÎncepețiÎncepe gratuit

VaR dintr-o distribuție ajustată

Minimizarea CVaR necesită calcularea VaR la un nivel de încredere – de exemplu, 95%. Anterior ai calculat VaR ca o cuantilă dintr-o distribuție Normală (sau Gaussiană), însă minimizarea CVaR în mod general presupune calcularea cuantilei dintr-o distribuție care se potrivește cel mai bine datelor.

În acest exercițiu îți este furnizată o distribuție a pierderilor ajustată (fitted), care modelează pierderile dintr-un portofoliu de bancă de investiții cu ponderare egală, pentru perioada 2005–2010. Vei reprezenta mai întâi această distribuție folosind metoda sa .evaluate() (distribuțiile ajustate vor fi tratate în detaliu în Capitolul 4).

În continuare, vei folosi metoda .resample() a obiectului fitted pentru a genera un sample aleatoriu de 100.000 de observații din distribuția ajustată.

În final, aplicând np.quantile() pe sample-ul aleatoriu, vei calcula VaR-ul la 95%.

Acest exercițiu face parte din cursul

Managementul Cantitativ al Riscului în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Reprezintă grafic distribuția pierderilor fitted. Observă cum diferă distribuția fitted față de o distribuție Normală.
  • Creează un sample de 100.000 de puncte cu extrageri aleatoare din distribuția ajustată, folosind metoda .resample() a obiectului fitted.
  • Folosește np.quantile() pentru a calcula VaR-ul la 95% din sample-ul aleatoriu și afișează rezultatul.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Visualize the fitted distribution with a plot
x = np.linspace(-0.25,0.25,1000)
plt.____(x,fitted.evaluate(x))
plt.show()

# Create a random sample of 100,000 observations from the fitted distribution
sample = fitted.____(____)

# Compute and display the 95% VaR from the random sample
VaR_95 = np.____(sample, ____)
print(VaR_95)
Editează și rulează codul